Elementi di Psicometria con Laboratorio di SPSS 1
|
|
- Nicolina Fiore
- 7 anni fa
- Visualizzazioni
Transcript
1 Elementi di Psicometria con Laboratorio di SPSS 1 9-Introduzione alla statistica inferenziale (vers. 1.2, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca G. Rossi (Dip. Psicologia) ElemPsico / 35
2 Introduzione alla statistica inferenziale Chi si occupa di comportamento necessita di studiare il comportamento delle persone (la popolazione) e di trarre delle conclusioni Noi di solito possiamo misurare però solo una piccola parte di queste popolazioni, tramite i campioni Il campionamento è l estrazione di una parte della popolazione (secondo determinati criteri) per poterla studiare più agevolmente Usiamo la statistica inferenziale per fare inferenze su una popolazione a partire da un campione prelevato da quella popolazione Il campione dev essere rappresentativo G. Rossi (Dip. Psicologia) ElemPsico / 35
3 Rappresentatività Il campione selezionato dovrebbe rappresentare in piccolo la popolazione che si vuol studiare... quindi il campione dev essere rappresentativo, ovvero deve avere le stesse caratteristiche della popolazione (e nella stessa proporzione) Gruppo concreto che studio Omeomorfismo Gruppo teorico che voglio studiare G. Rossi (Dip. Psicologia) ElemPsico / 35
4 Rappresentatività Sulla base del campione rappresentativo, estendiamo i dati ottenuti all intera popolazione, tramite l inferenza statistica Campione inferenza Popolazione Una volta selezionate le variabili che ci interessa studiare (che saranno chiamate variabili dipendenti), si individuano anche delle variabili che si ritengono importanti o che possono essere/produrre influenza su (che verranno chiamate variabili indipendenti). Il campione deve distribuirsi (in queste variabili) proporzionalmente alla popolazione G. Rossi (Dip. Psicologia) ElemPsico / 35
5 Inferenza statistica: Schema concettuale Campione Stima dei parametri Popolazione Verifica di ipotesi G. Rossi (Dip. Psicologia) ElemPsico / 35
6 Numerosità del campione Dipende dal tipo di variabile/i che si vuol misurare e dall ampiezza della popolazione Si sceglie normalmente una % della popolazione Il limite massimo è generalmente dato dai limiti materiali il limite minimo è (quasi sempre) 30 [per i motivi che si vedranno più avanti] Tutte le tecniche di estrazione si basano sull estrazione casuale: la selezione di ogni caso statistico dipende unicamente dal caso Ogni caso estratto ha (deve avere) la stessa probabilità di tutti gli altri G. Rossi (Dip. Psicologia) ElemPsico / 35
7 Obiettivi della statistica inferenziale Ci sono sostanzialmente tre obiettivi: 1 Stimare il valore puntuale dei parametri della popolazione 2 Determinare la stima intervallare 3 Calcolare la probabilità di ottenere un certo valore di una statistica in base alle caratteristiche (parametri) di una certa popolazione In pratica, finora ci siamo occupati di campioni, interessandoci ai singoli individui (distribuzioni di frequenza) Adesso ci interessiamo ai gruppi (popolazioni) che hanno le stesse caratteristiche del nostro campione G. Rossi (Dip. Psicologia) ElemPsico / 35
8 Stima puntuale e intervallare Stima puntuale Viene calcolato un unico valore che verrà considerato la stima del parametro della popolazione Su questo unico valore calcoleremo una probabilità che costituisce una sorta di rischio nel prendere una decisione Stima intervallare Vengono calcolate 2 stime diverse che costituiscono il limite inferiore e quello superiore di un intervallo entro questo intervallo di probabilità, cadrà il parametro della popolazione e utilizzeremo questo intervallo per prendere una decisione G. Rossi (Dip. Psicologia) ElemPsico / 35
9 Distribuzione campionaria Se estraiamo un campione da una popolazione e il campione è rappresentativo di quella popolazione, il campione dovrebbe avere gli stessi indici statistici Ovviamente non è sempre vero Ma possiamo vedere/calcolare/studiare quanto potrebbero differire le statistiche calcolate su un campione rispetto ai parametri della popolazione da cui sono state tratte Per questo useremo campioni estratti da una popolazioni come se fossero individui E ci concentreremo sulla media (ma potremmo rifare lo stesso discorso sulla mediana) G. Rossi (Dip. Psicologia) ElemPsico / 35
10 Distribuzione campionaria Ipotizziamo di estrarre un campione di 100 casi da una popolazione e di calcolare la media di una certa variabile Usiamo la variabile Fondamentalismo da un campione di 659 persone come popolazione. La sua media è Estraiamo un campione casuale di 100 persone e calcoliamo la media di questo campione: Estraiamo altri 20 campioni di ampiezza 100 dalla stessa popolazione e calcoliamo la media per ciascuno: 87.83, 90.63, 91.90, 91.99, 90.10, 90.80, 93.84, 90.80, 89.80, 90.12, 90.71, 88.56, 89.67, 90.76, 87.77, 90.51, 89.78, 90.68, 90.40, G. Rossi (Dip. Psicologia) ElemPsico / 35
11 Distribuzione campionaria Medie Scarto Medie Scarto Media popolazione Media dei campioni Poiché vengono dalla stessa max popolazione, la media di ogni campione estratto tenderà ad oscillare attorno alla media della popolazione Ma la media delle 20 medie, avrà un valore sicuramente più vicino alla media della popolazione: min G. Rossi (Dip. Psicologia) ElemPsico / 35
12 Distribuzione campionaria Anziché 20 campioni ne potremmo estrarre , avremmo medie e potremmo costruire una distribuzione di frequenza di quelle medie L importante è che ogni campione sia casuale, ovvero ogni caso di un singolo campione ha la stessa probabilità di essere estratto degli altri ogni possibile campione estraibile dalla popolazione ha la stessa probabilità degli altri La distribuzione di frequenza che costruiremmo con le medie dei campioni si chiama distribuzione campionaria delle medie Se il numero di campioni estratto è sufficientemente elevato, le medie dei campioni tenderanno a distribuirsi secondo la curva della normale G. Rossi (Dip. Psicologia) ElemPsico / 35
13 Distribuzione campionaria Se effettivamente estraessimo un numero elevatissimo di campioni da una popolazione (metodo Monte Carlo), avremmo una distribuzione sperimentale, mentre quella su cui noi lavoreremo è una distribuzione teorica La distribuzione campionaria delle medie si basa sul teorema del limite centrale che afferma che, all aumentare dell ampiezza dei campioni, la distribuzione campionaria della media si avvicinerà sempre più ad una distribuzione normale, indipendentemente dalla forma delle misurazioni individuali Se una variabile si distribuisce normalmente, anche piccoli campioni produrrano una distribuzione campionaria normale Con variabili non normali, la distribuzione campionaria deve avere N uguale a 30 o 40 G. Rossi (Dip. Psicologia) ElemPsico / 35
14 Distribuzione campionaria delle medie Popolazione normale Media= campioni N= Popolazione normale Media= campioni N=30 A partire da una popolazione distribuita normalmente (1000 casi, valori -4 4) abbiamo il grafico dei valori [1] l istogramma delle frequenze [2] l istogramma con normale di 100 campioni di ampiezza 10 [3] l istogramma con normale di 100 campioni di ampiezza 30 [4] Media dei campioni= 0.01 Media dei campioni= 0.03 G. Rossi (Dip. Psicologia) ElemPsico / 35
15 Distribuzione campionaria delle medie Popolazione normale Campioni N= Campioni N= G. Rossi (Dip. Psicologia) ElemPsico / 35
16 Distribuzione campionaria delle medie Media= Popolazione uniforme Popolazione uniforme Media= Frequency campioni N=10 Media dei campioni= Density campioni N=30 Media dei campioni= Density A partire da una popolazione uniformemente distribuita (1000 casi, valori 1-100) abbiamo il grafico dei valori [1] l istogramma delle frequenze [2] l istogramma con normale di 100 campioni di ampiezza 10 [3] l istogramma con normale di 100 campioni di ampiezza 30 [4] G. Rossi (Dip. Psicologia) ElemPsico / 35
17 Distribuzione campionaria delle medie Popolazione uniforme Campioni N= Campioni N= G. Rossi (Dip. Psicologia) ElemPsico / 35
18 Distribuzione campionaria La distribuzione campionaria è una distribuzione di probabilità e per una numerosità (N) del campione superiore o uguale a 30, tende verso una curva stabile (e normale ) con M x = µ e σ x = σ N σ x è la deviazione standard delle medie anche conosciuta come errore standard della media indica quanto affidabile è ciascuna media campionaria valori piccoli indicano che, estraendo più campioni, le medie sarebbero abbastanza vicine fra loro valori grandi, che le medie campionarie sarebbero abbastanza disperse attorno a µ G. Rossi (Dip. Psicologia) ElemPsico / 35
19 Errore standard della media σ x = σ N È più piccolo della deviazione standard della popolazione, perché Singoli punteggi estremi (anomali) sono più probabili di medie estreme, quindi la distribuzione delle medie sarà meno variabile rispetto alla popolazione Al crescere di N, le medie campionarie sono più raggruppate e l errore standard diventa sempre più piccolo G. Rossi (Dip. Psicologia) ElemPsico / 35
20 Verifica d ipotesi La moneta è truccata? Evento p p cum 10T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, ,00003 Se lancio 10 volte una moneta e cade 10 volte sulla stessa faccia (T o C), è truccata? Se non fosse truccata, quante probabilità avrei di ottenere 10 volte una stessa faccia? 10 volte -> P(10T)= , P(0T)= , *2= , 0.196% la probabilità è così bassa che la moneta è quasi sicuramente truccata! G. Rossi (Dip. Psicologia) ElemPsico / 35
21 Verifica d ipotesi La moneta è truccata? Evento p p cum 10T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, , T 0, ,00003 E se ottenessi 9 volte la stessa faccia? 9 volte -> P(9) = ma se escono 9 facce avrebbero potuto essere anche 10, quindi sommiamo almeno 9 volte -> p(10)+p(9) = (0, ,00977) = *2= = 2.15% quindi una probabilità di 2 su 100 È sufficientemente piccola? G. Rossi (Dip. Psicologia) ElemPsico / 35
22 Verifica d ipotesi La moneta è truccata? Per rispondere, devo stabilire un limite di probabilità, sotto il quale decido che la moneta è truccata e sopra che non lo è! Truccata Non truccata Truccata G. Rossi (Dip. Psicologia) ElemPsico / 35
23 Verifica di ipotesi Possibilità 1 (ipotesi nulla): la moneta NON È truccata P (t) = P (c) = 0.5 Possibilità 2 (ipotesi alternativa): la moneta È truccata P (t) P (c) 0.5 L ipotesi nulla (indicata anche come H 0 ) è tale, perché si basa su informazioni che abbiamo già e di cui siamo sicuri (una moneta non truccata ha probabilità 1/2) L ipotesi alternativa (indicata come H 1 ) è l ipotesi che contrapponiamo a quella nulla G. Rossi (Dip. Psicologia) ElemPsico / 35
24 Ipotesi nulla e alternativa L ipotesi nulla è l unica su cui si possono effettivamente fare calcoli L ipotesi alternativa apre, invece, ad un insieme di possibilità (P (t) = 0.4; P (t) = 0.3; P (t) =.2...) che non è possibile verificare tutte contemporaneamente Se l ipotesi nulla si dimostra probabile, la accetteremo per vera. Se l ipotesi nulla si dimostra improbabile, opteremo per quella alternativa L ipotesi alternativa la verifichiamo per assurdo, ovvero dimostrando probabilmente falsa l ipotesi nulla G. Rossi (Dip. Psicologia) ElemPsico / 35
25 Procedimento di verifica L ipotesi alternativa può essere di due tipi: semplice/composta e mono-/bi-direzionale semplice (H 1 : µ = 20) composta (H 1 : 100 µ 120) mono-direzionale (H 1 : µ > 100) o (H 1 : µ < 100) bi-direzionale (H 1 : µ 100) Calcoleremo la probabilità che la statistica calcolata sul nostro campione possa corrispondere a quella stimata della popolazione Non avremo mai una risposta sicura ma solo la probabilità di un errore! Ovvero: qualunque decisione prenderemo (H 0 o H 1 ), ci sarà sempre la possibilità che la nostra scelta sia sbagliata. G. Rossi (Dip. Psicologia) ElemPsico / 35
26 Verifica d ipotesi Supponiamo di voler sapere se i bambini che crescono in famiglie che hanno animali domestici hanno QI diversi da quelli dei bambini senza animali domestici. Nella popolazione generale, il QI è distribuito normalmente con µ = 100 e σ = 15 Raccogliamo un campione casuale di 25 soggetti (N = 25) che vivono con animali domestici e misuriamo il loro QI. La media è X = Le ipotesi nulle e alternative sono: H 0 : µ = 100 H 1 : µ > 100 G. Rossi (Dip. Psicologia) ElemPsico / 35
27 I punti z per le medie campionarie Possiamo usare i punti z per trovare la posizione di un gruppo rispetto a tutti gli altri gruppi della stessa ampiezza Dobbiamo usare la distribuzione campionaria delle medie per i gruppi Dobbiamo calcolare il punto z e poi trovare l area corrispondente z = X µ x = X µ σ σ x In questo caso il punteggio grezzo è la media del campione, la media di riferimento è quella della popolazione e la deviazione standard per cui dividiamo è l errore standard della media campionaria N G. Rossi (Dip. Psicologia) ElemPsico / 35
28 Verifica d ipotesi Calcoliamo il punto z della nostra media: z = X µ σ x = = Cerchiamo il punto z nella tavola A e troviamo l area corrispondente z(1.16) =.3730 = 37.30% = 87.30% = 12.70% G. Rossi (Dip. Psicologia) ElemPsico / 35
29 Criterio di significatività Ci sono due possibili percorsi: Valore p: la probabilità del risultato. In questo esempio, la probabilità di avere un valore X = o maggiore è il 12,70% Valore critico: il punto z che cade alla destra dell area significativa e che la separa dall area non significativa rispetto all ipotesi nulla; in questo caso, se decidiamo di correre un rischio massimo del 5%, cercheremo il punto z corrispondente ad un area di 50%-5%=45% In entrambi i casi abbiamo una Area di rifiuto (regione critica): l area dal valore critico all estremità della coda (la parte grigia del grafico di pagina precedente) oppure l area corrispondente alla probabilità p G. Rossi (Dip. Psicologia) ElemPsico / 35
30 Criterio di significatività La regione critica si basa su un valore arbitrario, indicato con α, che è la probabilità di rifiutare H 0 quando, invece, è vera. Ci sono 2 tipi di errore: Errore di primo tipo o α: l errore di accettare per vera H 1 che, invece, è falsa ovvero di rifiutare H 0 che è invece vera Errore di secondo tipo o β: l errore di accettare per vera H 0 che, invece, è falsa ovvero rifiutare H 1 che invece è vera Si chiama potenza di un test la sua capacità di accettare H 1 quando è vera [1-β] Qualunque sia la decisione che prendiamo, corriamo un rischio calcolato Il rischio viene calcolato tramite l uso delle distribuzioni di probabilità G. Rossi (Dip. Psicologia) ElemPsico / 35
31 Relazioni fra errori e ipotesi H 0 - Vera H 1 - Falsa Realtà H 0 - Falsa H 1 - Vera Accetto H 0 ; rifiuto H 1 Corretta Errore II tipo 1 α β Rifiuto H 0 ; accetto H 1 Errore I tipo Corretta α 1 β In psicologia si usano comunemente i seguenti valori di α: α =.05 5% * α =.01 1% ** α = % *** G. Rossi (Dip. Psicologia) ElemPsico / 35
32 Verifica d ipotesi La media del QI del campione di 25 bambini che vivono con animali domestici è di Questa media confrontata con i parametri della popolazione (tramite la distribuzione campionaria delle medie) sta a 1.16 dev. st. sopra µ x E corrisponde all 87.30% (per H 0 ) o a 12.70% (per H 1 ) Ovvero, la probabilità di estrarre (da una popolazione con µ = 100 e σ = 15) un campione di 25 bambini che abbiano un QI medio di , è di 87.30% La probabilità di rifiutare H 0 (se vera) è del 12.70% Un evento abbastanza probabile, per cui possiamo concludere che vivere con animali domestici non è connesso ad un QI superiore alla media G. Rossi (Dip. Psicologia) ElemPsico / 35
33 Procedimento generale La verifica d ipotesi avviene sempre tramite Identificazione dell ipotesi nulla (H 0 ) e ipotesi alternativa (H 1 ) (che è generalmente connessa con il test statistico scelto) Scelta di un test statistico e calcolo della relativa statistica (v t ) Scelto un determinato livello α, calcolo della probabilità associata (p) oppure identificazione del valore critico (v c ) Accettazione o rifiuto di H 0, in base alla scelta: Con p Se p < α, rifiuto H 0 Se p > α, accetto H 0 Con v c (in genere) Se v c < v t, rifiuto H 0 Se v c > v t, accetto H 0 G. Rossi (Dip. Psicologia) ElemPsico / 35
34 Procedimento generale in pratica Applicato al campione di 25 ragazzi con M = e confrontato con una popolazione con µ = 100 e σ = 15 Con p Se p < α, rifiuto H 0 Se p > α, accetto H 0 p =.1270 (12.70%) α =.05 (5%) Accetto H 0 Con v c (in genere) Se v c < v t, rifiuto H 0 Se v c > v t, accetto H 0 v t = 1.16 (punto z) cerco il punto z corrispondente ad α =.05 (5%) cerco nella tavola un area pari a =.4500 (45%) ed è (circa) 1.64 (o 1.65) v c = 1.64 > v t = 1.03: accetto H 0 G. Rossi (Dip. Psicologia) ElemPsico / 35
35 Assunti richiesti Il test statistico per la Media di un campione estratto da una determinata popolazione richiede alcuni assunti fondamentali: Gli individui nel campione sono stati selezionati in modo casuale e sono fra loro indipendenti rispetto alla popolazione La variabile misurata si distribuisce normalmente nella popolazione (ma considera anche il Teorema del Limite Centrale) G. Rossi (Dip. Psicologia) ElemPsico / 35
Elementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 14-Introduzione all analisi della potenza statistica (vers. 1.2a, 11 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliTest d Ipotesi Introduzione
Test d Ipotesi Introduzione Uno degli scopi più importanti di un analisi statistica è quello di utilizzare i dati provenienti da un campione per fare inferenza sulla popolazione da cui è stato estratto
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliUn esempio. Ipotesi statistica: supposizione riguardante: un parametro della popolazione. la forma della distribuzione della popolazione
La verifica delle ipotesi In molte circostanze il ricercatore si trova a dover decidere quale, tra le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliCapitolo 9 Verifica di ipotesi: test basati su un campione
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 25-Dimensione degli effetti e 26-Metanalisi vers. 1.0 (2 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliCapitolo 5 Confidenza, significatività, test di Student e del χ 2
Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCapitolo 8. Probabilità: concetti di base
1 Capitolo 8 Probabilità: concetti di base Statistica - Metodologie per le scienze economiche e sociali 2/ed S. Borra, A. Di Ciaccio Copyright 2008 The McGraw-Hill Companies srl 2 Concetti primitivi di
DettagliConcetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliCapitolo 7. Distribuzioni campionarie. Statistica. Levine, Krehbiel, Berenson
Levine, Krehbiel, Berenson Statistica Capitolo 7 Distribuzioni campionarie Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari" Unità Integrata Organizzativa Agraria,
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliLA DISTRIBUZIONE NORMALE
LA DISTRIBUZIONE NORMALE Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma La più nota ed importante distribuzione di probabilità è, senza alcun dubbio, la Distribuzione normale, anche
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
Dettagli1.4. Siano X B(1, 1/2) e Y B(1, 1/2) variabili aleatorie indipendenti. Quale delle seguenti affermazioni é falsa? E(X + Y ) = 1 V ar(x + Y ) = 1/2
Statistica N. Crediti: Cognome: Laurea Triennale in Biologia Nome: 4 settembre 2012 Matricola: 1. Parte A 1.1. Siano x 1, x 2,..., x 10 i dati relativi al peso di 10 neonati espressi in chilogrammi e y
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 3-I percentili vers. 1.2 (30 ottobre 2013) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2013-2014
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliTECNICHE DI ANALISI DEI DATI
TECNICHE DI ANALISI DEI DATI AA 06/07 PROF. V.P. SENESE Questi materiali sono disponibili per tutti gli studenti al seguente indirizzo: https://goo.gl/rwabbd Seconda Università di Napoli (SUN) Dipartimento
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliCON O SENZA REIMMISSIONE
CAMPIONAMENTO Per una buona inferenza o induzione statistica, bisogna affrontare il problema del campionamento, ovvero del come raccogliere un campione della popolazione affinché la si possa studiare induttivamente.
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 4-Misure della tendenza centrale (vers. 1.0b, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMisure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
DettagliÈ possibile trovare la popolazione di origine conoscendone un campione? o meglio. partendo dalla conoscenza di n, x e d.s.?
Statistica6-06/10/2015 È possibile trovare la popolazione di origine conoscendone un campione? o meglio. È possibile conoscere σ e μ partendo dalla conoscenza di n, x e d.s.? 1 A partire da un campione
DettagliEsercizi riassuntivi di Inferenza
Esercizi riassuntivi di Inferenza Esercizio 1 Un economista vuole stimare il reddito medio degli abitanti di una cittadina mediante un intervallo al livello di confidenza del 95%. La distribuzione del
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliVerifica delle ipotesi: Binomiale
Verifica delle ipotesi: Binomiale Esercizio Nel collegio elettorale di una città, alle ultime elezioni il candidato A ha ottenuto il 4% delle preferenze mentre il candidato B il 6%. Nella nuova tornata
DettagliIl calcolo statistico e le leggi della probabilità
Il calcolo statistico e le leggi della probabilità ERRORI DEI TEST ERRORI DEI TEST Quando si conduce un test, 2 tipi di errore sono possibili rispetto all'ipotesi nulla che abbiamo formulato: Errore di
Dettagli1 Esercizi per l esame finale
1 Esercizi per l esame finale 1 1 Esercizi per l esame finale 1.1 Stima puntuale 1 Sia (X 1,..., X n ) un campione casuale estratto da una distribuzione U[0, θ], θ > 0. (a) Scrivere la funzione di verosimiglianza
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
Dettagli4 La correlazione [0.4]
4 La correlazione [0.4] 4.1 Cos è la correlazione La correlazione è un indice che misura l associazione fra due variabili, più in particolare, misura il grado in cui due variabili si muovono assieme. Esistono
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliUlteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliRisultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliOTTAVA UNITA. Stime e inferenze
OTTAVA UNITA Stime e inferenze Come già accennato, nella statistica inferenziale la differenza tra popolazione e campione di una popolazione gioca un ruolo essenziale. Ciò è sottolineato anche dalla nomenclatura
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
Dettagli